| 中文摘要 | 第7-8页 |
| 英文摘要 | 第8-9页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 信用贷款 | 第10-11页 |
| 1.1.2 数据挖掘与支持向量机 | 第11-12页 |
| 1.2 研究综述 | 第12-14页 |
| 1.3 本文的组织结构及创新点 | 第14-15页 |
| 第二章 理论与原理 | 第15-32页 |
| 2.1 信用评级理论 | 第15-17页 |
| 2.1.1 信用的内涵 | 第15页 |
| 2.1.2 信用评级的历史发展 | 第15-16页 |
| 2.1.3 信用评级中常用的统计方法 | 第16-17页 |
| 2.2 主成分分析 | 第17-21页 |
| 2.2.1 主成分分析法的模型 | 第18页 |
| 2.2.2 主成分的几何解释 | 第18-20页 |
| 2.2.3 主成分分析的一般步骤 | 第20-21页 |
| 2.3 支持向量机理论 | 第21-28页 |
| 2.3.1 分类问题的提出 | 第21-22页 |
| 2.3.2 最大间隔法 | 第22-23页 |
| 2.3.3 支持向量机 | 第23-26页 |
| 2.3.4 核函数 | 第26-28页 |
| 2.4 集成学习 | 第28-32页 |
| 第三章 基于主成分分析和经典SVM的实证分析 | 第32-41页 |
| 3.1 数据来源 | 第32-33页 |
| 3.2 数据的前期处理 | 第33-36页 |
| 3.2.1 完整性 | 第33页 |
| 3.2.2 标准化 | 第33-34页 |
| 3.2.3 主成分分析 | 第34-35页 |
| 3.2.4 模型检验标准 | 第35-36页 |
| 3.3 参数优化 | 第36-37页 |
| 3.4 实证过程及结果 | 第37-41页 |
| 第四章 基于Bagging算法的集成SVM实证分析 | 第41-45页 |
| 4.1 Bagging算法 | 第41-42页 |
| 4.2 21折交叉取样 | 第42页 |
| 4.3 不放回随机取样 | 第42-43页 |
| 4.4 实证结果分析 | 第43-45页 |
| 第五章 本文总结 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 致谢 | 第51-52页 |
| 学位论文评阅及答辩情况表 | 第52页 |